KNN和K-Means的区别
2024-09-17 09:49:58
KNN和K-Means的区别
|
KNN |
K-Means |
| 1.KNN是分类算法
2.监督学习 3.喂给它的数据集是带label的数据，已经是完全正确的数据 |
1.K-Means是聚类算法
2.非监督学习 3.喂给它的数据集是无label的数据，是杂乱无章的，经过聚类后才变得有点顺序，先无序，后有序 |
| 没有明显的前期训练过程，属于memory-based learning | 有明显的前期训练过程 |
| K的含义：来了一个样本x，要给它分类，即求出它的y，就从数据集中，在x附近找离它最近的K个数据点，这K个数据点，类别c占的个数最多，就把x的label设为c | K的含义：K是人工固定好的数字，假设数据集合可以分为K个簇，由于是依靠人工定好，需要一点先验知识 |
| 相似点：都包含这样的过程，给定一个点，在数据集中找离它最近的点。即二者都用到了NN(Nears Neighbor)算法，一般用KD树来实现NN。 | |
最新文章
- 【.net 深呼吸】细说CodeDom（3）：命名空间
- awk命令--update20150120
- BZOJ1525 : [POI2006]Zos
- Android屏幕适应详解(一）
- 【九度OJ】题目1434贪心算法
- jquery选择器的使用方式
- linux内核学习之二：编译内核
- ORA-01157报错"cannot identify/lock data file"解决
- 编程策略类note
- shopnc b2b2c如何开启伪静态？？
- 文本三剑客---sed 基础
- 【渗透笔记】拿下某小H网的全过程
- Axios 中文说明
- 新手篇丨Python任意网段Web端口信息探测工具
- 利用JS写一个计算平方的网页
- 028 kafka面试小节
- 封装和static 以及关键字“this”的用法
- 前端 javascript
- 课程回顾-Structuring Machine Learning Projects
- oracle 11g 使用物化视图远程增量刷新数据